CAPÍ TULO

TRES

ÁLGEBRA MATRI CI AL y SI STEMAS

DE ECUACI ONES LI NEALES

En el presente Capítulo, iniciamos con las definiciones de un arreglo de números que se conocen como
matrices; veremos los diferentes tipos de matrices y las operaciones que se pueden aplicar. Enseguida se
verán los métodos para obtener la solución a un sistema de ecuaciones simultáneas lineales que pueden
expresarse en forma de matrices y aplicar estas mismas propiedades de las matrices.

3.1 MATRI CES, DEFI NI CI ONES y OPERACI ONES

Las matrices son una forma más útil de manejar un conjunto de datos, tanto para realizar operaciones,
como para aplicar propiedades a estas matrices. Las matrices fueron creación del eminente matemático
inglés Arthur Cayley (1821-1895), en 1858; sin embargo, fue hasta 1925 que el físico alemán Werner
Heisenberg (1901-), hizo la primera aplicación importante de una matriz para el desarrollo de su sistema
de la mecánica cuántica, que le valió el premio Nobel en el año 1932. Como muchas invenciones
matemáticas, la teoría y el álgebra de matrices surgieron como prolongación de sus investigaciones e
intereses matemáticos primarios. Arthur Cayley también inventó el concepto de la geometría n-
dimensional e hizo muchas contribuciones significativas a la teoría de los determinantes [ Zill & Dewar
(1992)] .

3.1.1 MATRI CES y VECTORES

Una matriz es un arreglo rectangular de elementos encerrados entre paréntesis o corchetes
1 2 
n  columna
1  b1,1 b1,2  b1,n 

2 b b  b (3.1)
 2,1 2,2 2,n 
 dimensiones: (m  n)
    
 
fila   bm,1 bm,2  bm,n 

m
La matriz anterior es una matriz de dimensiones m por n (m-filas x n-columnas). Obsérvese que el
primer subíndice de una matriz cambia en la dirección vertical y el segundo lo hace en la dirección
horizontal. Una matriz se representa con un símbolo (comúnmente por medio de una letra mayúscula),
por ejemplo
 b1,1 b1,2  b1,n 
b b  b
B  (bij )   2,1 2,2 2,n 
 (3.2)
   
 
 bm,1 bm,2  bm,n 
 

85 G. Medina H. - Métodos Numéricos

Los números de esta ordenación reciben el nombre de elementos de la matriz.

Métodos Numéricos - G. Medina H.

86 ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI

Por otro lado se tienen también los vectores, los cuales son formas especiales de matrices. Por
ejemplo, si m > 1 pero n = 1, la matriz B anterior se convierte en
 b1,1   b 
1
   
b   b 2,1   b2  (3.3)
   
   
 bm,1  bm 
 
con una sola columna y se denominavector columna. Ahora bien, si m = 1 y n > 1, la matriz se
convierte en
b  [b1,1 b1,2  b1,n ]
(3.4)
 [b1 b2  bn ]
Una matriz que sólo tiene una fila y se denomina vector fila.

Dicho de otra forma, un vector se considera una matriz que tiene una sola columna o una sola fila.

Otro caso especial, en el que m = n = 1, B es una matriz de 1 por 1, y puede escribirse como
b [b1,1 ] (3.5)
o simplemente
bb  (3.6)

La matriz B de dimensiones 1 por 1 se denomina escalar y es lo mismo que

B b .

Enseguida se definen los nombres de algunas matrices y vectores especiales.

Matriz cuadrada: Una matriz con m = n , el mismo número de filas y el mismo número de columnas.
5 4 3
2 3  
   2 1 0 (3.7)
0 1
 6
1
7
Matriz nula:Todos los elementos de la matriz nula son cero. También se conoce comomatriz cero.
0
 0 0
0 0 0 0 0 0
  (3.8)
  0 0 0
0 
0

0
Matriz diagonal: Es aquella matriz que contiene un conjunto de valores en la diagonal principal y el
resto de los valores son cero; esto es

2 0 0
0 3 0 (3.9)
 0 
0 los1
Matriz identidad: Una matriz en la que todos elementosdiagonal
en la diagonal
principalprincipal son la unidad y el
resto de los elementos son cero. Una matriz identidad se denota por el símbolo I
 ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI NEALES 87
1 0 0 0
1 0 0  
1 0 0 1 0 0
 
I I , I3  0 1 0  , I4    (3.10)
0 1 2  0 0 1
 0 1 0
0 

0 0 1
Matriz triangular: Una matriz en la que todos los elementos diferentes de cero, forman un triángulo;
existe la matriz triangular superior (Upper) y la matriz triangular inferior (Lower).

5 6 4 5 0 0
U  0 9 8
 L  8 9 0 (3.11)
0  6
0 2 4 2
triangular superior (Upper) triangular inferior (Lower)

Matriz banda: Es aquella matriz que contiene un conjunto de valores en las diagonales de modo que
forma una banda, de ahí su nombre. El ancho de banda es p elementos arriba de la
diagonal principal más q elementos debajo de ella (p + q + 1), esto es

diagonal principal p

q
3 2 0 0
4 5 7 0
 1 4 
(3.12)
0 0 6 8
0 9
 

Ancho de banda = p + q + 1 = 3

Observamos cómo existe el conjunto de datos arriba y abajo de la diagonal principal y arriba y abajo de
este conjunto (banda), los elementos son ceros.

Matriz transpuesta: Es la matriz donde se intercambian las filas por las columnas. La transpuesta de
T
una matriz se denota por el superíndice ( ); esto es,

5 4
 3
A 2 1  5 2 1
 0  T4 1 6 (3.13a)
 1 6 A  
7 0
3 7

9 6
9 2 7 T  
B  6 8 5 B  2 8 (3.13b)
(2x3)
 7 5  (3x2)


T
Matriz simétrica: Una matriz cuadrada para la que se cumple A A, recibe el nombre de simétrica.
5 2 3 5 2 3
  T  
A 2 9 0 A  2 9 0
(3.14)
   
 3 0 7   3 0 7 

Matriz inversa: Una matriz inversa se conoce como aquella matriz que cumple la igualdad
AB I BA (3.15a)
donde A y B son dos matrices cuadradas. Por ejemplo, si se tiene la matriz A , 
A 1 1
1 2 2
Métodos Numéricos - G. Medina H.  
 
3
1 3 2 

(3.15b)

entonces deberá existir una matriz B (inversa de A , denotada como 1

A ), cuyos valores sean
 7 2 4
 
B  1 0 1 A1 (3.15c)
 
 2 1 1 

de tal forma que cuando se multipliquen, se cumpla la igualdad (3.15a) anterior,

1 0 0
  1 1
AB  BA I  0 1 0 A A A A (3.15d)
 
 0 0 1 

Observe que en esta igualdad se realiza la multiplicación de dos matrices, las cuales deberán seguir las
reglas de multiplicación matricial, tal como se describe más delante, Sección 3.1.5.

Para obtener la matriz inversa (o bien, la inversa de una matriz) se deben seguir ciertas operaciones, las
cuales analizaremos más delante en la Sección 3.8.

3.1.2 SUMA Y RESTA DE MATRI CES

La suma de dos matrices se realiza sumando elemento a elemento de las dos matrices, por lo que las
dimensiones de ambas matrices deberán ser iguales. Esto es,
 a1,1  b1,1 a1,2  b1,2  a1,n  b1,n 
 a  b a b  a b
A  B   2,1 2,1 2,2 2,2 2,n 2,n 
 (3.16a)
  
  
 am,1  bm,1 am,2  bm,2  am,n  bm,n 
 
La resta de dos matrices es similar a la suma, excepto por la operación aritmética de la resta de cada
elemento de cada matriz.
 a1,1  b1,1 a1,2  b1,2  a1,n  b1,n 
a b a b  a b
A B  2,1 2,1 2,2 2,2 2,n 2,n 
 (3.16b)
  
  
 am,1  bm,1 am,2  bm,2  am,n  bm,n 
 

EJEMPLO 3.1.

Se tienen las dos matrices siguientes

1 2 3
A 2 5 0
 5 4 B   1 6 (i)
6 3 

G. Medina H. - Métodos Numéricos

 Calcule la suma y la resta de ambas matrices.

Respuesta:

Ya que son de las mismas dimensiones (2 x 3) ambas matrices, entonces sí podemos realizar la
suma y la resta.
Suma
: 1 2 3 2 5 0 1  2 25 3  0 3 7 3 
AB        (ii)

 6 5 4 (23)  3 1 6 (23) 6  3 51 4  6  9 6 10 
(23)
Resta
: 1
 2 3  2
 5 0  2
 1 25 3  0   1 3 3
A 6 5 4 3 1 6 63 51 46 3 4 2 (iii)
B
 (23)  (23)    (23)
mismas dimensiones: ( 2x3)

Cuando se realiza la suma (resta) de matrices, éstas siguen las siguientes reglas o

PROPI EDADES:

1) (A  B)  C  A  (B C) Propiedad conmutativa

2) A B  B A Propiedad asociativa
3) A 0  0  A A
donde 0 es la matriz cero y A , B y C deben ser de las mismas dimensiones.

3.1.3 MULTI PLI CACI ÓN DE DOS VECTORES

Cuando se realiza la multiplicación de dos vectores, existe el producto escalar y el producto vectorial.

Cuando se realiza el producto escalar (o producto punto o producto interno Euclidiano) de dos
vectores de la misma longitud, el resultado es un solo valor real o un escalar. Es decir, si se tiene un
vector fila u de longitud n y otro vector columna v de longitud n ,

 v1  v

 u1, u 2 ,, uun  , v  2 (3.17)
 

 vn 
u = VECTOR FI LA v = VECTOR COLUMNA
El producto escalar se define como la multiplicación de los elementos correspondientes (de igual valor en
el subíndice) y sumando los resultados para dar un número simple; esto es, un escalar de la forma:
n
u v u1 v1  u2 v2    un vn   ui vi (3.18)
i1

Un vector (ya sea en fila o en columna) puede considerarse que tiene una dirección y una magnitud o
longitud. Las n -componentes de un vector definen la dirección, mientras que la medida de la magnitud o
longitud se obtiene mediante la distancia (Euclidiana) de un vector; también se conoce como la norma
de un vector ( u ):

Métodos Numéricos - G. Medina H.

 1/ 2
u  n 
22
 u1  u2    u2n   u i2 (3.19)

 i1 
En forma análoga, la distancia (Euclidiana) entre dos vectores u y v , (du, v) ,
resulta
(3.19a)
d (u, v) (u1 - v1)2  (u2 - v2 )2    (un - vn )2
EJEMPLO 3.2.

Se tiene el vector fila u y el vector columna v :

1
v  3
u [ 2, 4, 6]   (i)
5

Obtenga el producto escalar ( u v ), la norma de u , la norma de v y la distancia entre estos

dos vectores, (du, v) .

Respuesta:

El producto escalar resulta,

n 1
u v  
ui vi  [ 2, 4, 6](13)   3 2 (1)  4 (3)  6 (5)  [44] (ii)
i1  5   (11)
(31)

Las normas Euclidianas de cada vector, resultan

u 22  42  62 56  7.4833 v 12  32  52 35  5.9161 (iii)

Y la distancia entre estos dos vectores, es

d (u, v) (2  1)2 (43)2 (65)2 3 

1.7321 (iv)

3.1.4 MULTI PLI CACI ÓN DE UNA MATRI Z POR UN ESCALAR

Cuando se multiplica una matriz (A) por un escalar (t), es decir, una constante, entonces se multiplica
cada elemento de la matriz por el escalar; es decir, resulta

 t a1,1 t a1,2
  t a1,n 
t a ta  ta
B  t A   2,1 2,2 2,n 
 (3.20)
  
  
 ta t am,2
 m,1  t am,n 

G. Medina H. - Métodos Numéricos

 EJEMPLO 3.3.

Se tienen la matriz A y el escalar t

1 2 3
A   5 4 t2 (i)
6 

Calcule la multiplicación de esta matriz por el escalar.

Métodos Numéricos - G. Medina H.

 Respuesta:

El escalar multiplica a todos los elementos de la matriz A , esto es

2(1) 2(3)  2 4 6

t A  2(6) 2(2)
2(5) 2(4)  12 10 8 (ii)

   

La operaciones de una matriz con un escalar también siguen las siguientes reglas o

PROPI EDADES:

1) (t1 t2 ) A t1 (t2 A) Propiedad conmutativa

2) t1 (A B) t1 A  t1 B Propiedad asociativa

3) (t1 t2 ) A t1 A  t2 A 
4) IA A 0A 0
5) A (A)  (A)  A 0

donde: 0 es la matriz cero, e I es la matriz identidad y, A y B deben ser de las mismas

dimensiones.

EJERCI CI OS SECCI ÓN 3.1.2 – 3.1.4:

1. Demostrar que la matriz B es inversa de la matriz A , siendo
1 3 3  1 3 3
   
A 1 4 3 B  1 1 0 (3.21)
   
1 3 2   1 0  1 
 
3.1.5 MULTI PLI CACI ÓN DE MATRI CES
La multiplicación de matrices se define solamente para matrices de la misma dimensión "interior". Siendo
así, se puede multiplicar una matriz de dimensiones ( m x p ) por una matriz de dimensiones ( p × n ),
resultando una matriz de dimensiones ( m × n ) [  dimensiones "exteriores"]. Observe que las
dimensiones "interiores" deben ser iguales para poder realizar esta multiplicación entre dos matrices (esto
es, el número de columnas de la primera matriz debe ser igual al número de filas de la segunda "p").

La primera matriz ( A ), la visualizamos como si estuviera constituida de m -vectores fila de longitud p

apiladas encima de cada una; mientras que la segunda matriz ( B ), se visualiza como constituida de
n -vectores columna de longitud p , tal como se observa enseguida:

  b 
 

 ai1ai2 ... aip  1j 

A  m-filas   b (3.22)
 
  
B 2j
   
   






n-columnas

La multiplicación matricial consiste en el producto escalar (ver Sección 3.1.3) de la i -ésima fila de A ,
con la j -ésima columna de B . Así, el elemento cij de la multiplicación matricial C AB  [cij ], será

cij  ai1 b1j  ai2 b2j   aip bpj (3.23)


columna j
b11   b1n    c1n 
 a11 a12  a1p  c11
  b1j
   
  
          
 ai1 ai2 aip   b2j   
fila i     ×     
  
cij   (3.23a)
 
       
a m2 amp             
a m1 b   b c  c
bpj

 p1 pn   m1 mn 

La matriz resultante C , será una matriz de dimensiones ( m x n ), esto es:

(mx 
p) por (p x n) (m x n) (3.24)
dimensiones interiores dimensiones exteriores

Es decir, la multiplicación de dos matrices A y B se puede indicar en forma compacta a través de la

siguiente fórmula (véase el Algoritmo 3.1: Multiplicación de dos matrices, mostrado más delante):

 mn
 p
aikbkj 
  
AB

 k 1
 (3.25)

Veamos la multiplicación de dos matrices a través del siguiente ejemplo.

 EJEMPLO 3.4.

Se tienen dos matrices A y B

1  3  4
A  4 2 1  
 0 2 B 1 5 (i)

  2
 
2

Calcule la multiplicación A B y B A de estas dos matrices.

Respuesta:

Para la primera multiplicación A B , observamos que las dimensiones internas de las matrices sí son
iguales (2 × 3) (3 × 2), por lo que podemos realizar la multiplicación matricial (i.e., la multiplicación
escalar de m-vectores fila de la matriz A , por n-vectores columna de la matriz B ), resultando una
matriz de dimensiones (2 × 2):
 3 4
1 2 1 1 5  (ii)
 B
A   
4 0 2
  
  2 2 
Dimensiones: ( 2x3) ( 3x2)
I NTERNA

dimensión resultante: ( 2x2)

EXTERNA

Para obtener los elementos de la primera fila de la matriz resultante, se multiplica la primera fila
(vector fila) de la matriz A, por cada una de las columnas (vectores columna) de la matriz B (esto es
a través del producto punto o escalar de dos vectores. Véase Sección 3.1.3):


AB
 3 4 1(3)  2(1) 1( 2) 1(4)  2(5)  1(2) 3 8
1 2  1 5   (iii)
 1      
4 0  2 2     


En forma similar, para obtener los elementos de la segunda fila de la matriz resultante, deberemos
multiplicar la segunda fila (vector fila) de A, por cada una de las columnas (vectores columna) de B:

4
AB  3 5 
 12 1   1 3
  4(3)  0(1) 8  3 8 (iv)
4 2   2(2) 4(4) 0(5)  2(2)  8 12
 0   2
2     (22)

Ahora bien, cuando se realiza la multiplicación B A , observamos que las dimensiones internas
también coinciden, esto es (3 × 2) (2 × 3); por lo que las dimensiones de la matriz resultante será
de (3 × 3):

 3 4
B  A   1 2 1 (v)
1 5  
 
Dimensiones:
  4 0 2
 2
( 2x3)
2
( 3x2)
I NTERNA

dimensión resultante: ( 3x3)

EXTERNA
 3(1)  (4)(4) 3(2)  (4)(0) 3(1)  (4)(2)  13
 6 5 
BA 1(1)  5(4) 1(2)  5(0) 1(1)  5(2)  21 2 11 (vi)
   
 (2)(1) 2(4) (2)(2)  2(0)  6 4 2 
(33)
(2)(1) 2(2) 

De los resultados obtenidos en este ejemplo 3.4 anterior, se observa que AB ≠ BA . Esto es, la
multiplicación de dos matrices no es conmutativa.

EJEMPLO 3.5.

Se tienen dos matrices A y B

1 2 1  3  4
 
A  4 0 2 B 1 5 (i)
  
  2
 2
 3 6
5

Calcule las 2 3 4 2
matrices A , A , A y B , de estas dos matrices anteriores.

Respuesta:

Para la primera multiplicación A2 , observamos que las dimensiones internas de las matrices sí son
iguales; es decir, (3 × 3) (3 × 3), por lo que podemos realizar la multiplicación matricial (i.e., la
multiplicación escalar de m-vectores fila de la matriz A , por n-vectores columna de la misma matriz
A ), resultando una matriz de dimensiones (3 × 3):

1 2
A  AA  4 0 1 1 2 1 
2
2 4 0 2
   
 3 6 5   3 6 5 
1(1)  2(4) ( 1)(3) 1(2)  2(0) ( 1)(6) 1(1)  2(2)  (1)(5) 
 
 4(1)  0(4)  (2)(3) 4(2)  0(0)  (2)(6) 4(1)  0(2)  (2)(5) 
 
 3(1)  6(4)  5(3) 3(2)  6(0)  5(6) 3(1)  6(2)  5(5) 
 6 4 10
 2 4 14 (ii)
 
 42 36 10 

 6 4 10 1 2 1
3 2    
A  A A  2 4 14 4 0 2 
   
  42 36 10   3 6 5 
40
 48 48
 60 88 60 (iii)
 
 216 144 64 
 Observe que este resultado anterior, es también igual a:

3 2
A AA

La siguiente multiplicación será:

40
A  A A  60 48 48  2 1
 1 1 2 1 40 48 48
4 3
3
88 60  4 0 2  AA  4 0 2   88 60
60
       
 216 144 64   3 6  3 6  216 144 64 
 5 5
376
 368 104 
 592 480  64 (iv)
 
 600 48 824 
Finalmente, la
B2 , resultará:
multiplicación

 3 4   3 4 
2
B B   
B  1 5  1 5 (v)
   

2 2   2 2 
Dimensiones: ( 3x2) ( 3x2)
I NTERNA

Esta multiplicación no se puede realizar, ya que las dimensiones internas no son iguales.

n
De este ejemplo anterior, podemos observar que para elevar una matriz a una potencia n ( A ), la matriz
debe ser cuadrada.

Ahora bien, cuando se realizan operaciones con matrices identidades ( I), se tiene la propiedad de que
cuando se multiplica una cierta matriz por una matriz identidad, la matriz resultante es la misma matriz.
Enseguida se muestra un ejemplo de este tipo de operaciones.

EJEMPLO 3.6.

Se cuenta con los siguientes vectores y matrices:

1 2 4 1
v  3  
u [2, 4, 6]   A  5 7 6  (i)
5  8 9 3

Compruebe que se cumplen las siguientes propiedades cuando se multiplica una cierta matriz/
vector con una matriz identidad I :

(a) ) u I u 
(b) ) I v  v
(c) ) I A A 
(d) ) A I A 
Respuesta:

Los vectores u, v y la matriz A anteriores tienen dimensiones de (1× 3), (3× 1) y (3× 3),
respectivamente, por lo que la matriz identidad también deberá ser de dimensiones (3× 3).

( a)
1 0 0
u  I  2 4  
 0 1 0  2(1)  4(0)  6(0) 2(0)  4(1)  6(0) 2(0)  4(0)  6(1)(13)
 
6(13)  0 0

1 
(33)

u I 2 4 6  u  (se cumple la propiedad) (ii)

( b)
1
 0 0 1 1(1)
  0(3)  0(5)
Iv 0 1 0    0(1)  1(3)  0(5)
    3  
 0 0  5 
 (3  0(1)  0(3)  1(5) (31)
1
(33) 1)

1
 
Iv 3   (se cumple la propiedad) (iii)
 
v
 5 

( c)
1
 0 0 2
 4 1 1(2)  0(5)  0(8) 1(4)  0(7)  0(9) 1(1)  0(6)  0(3)
IA 0 1 0  5 7 6  0(2)  1(5)  0(8) 0(4)  1(7)  0(9) 0(1)  1(6)  0(3)
     
 0 0  8 9  0(2)  0(5)  1(8) 0(4)  0(7)  1(9) 0(1)  0(6)  1(3)  (33)
1  3
(33) (33)

2 4 1
 
IA 5 7 6 A
   (se cumple la propiedad) (iv)
 8 9 3 

( d)
2
 4 1 1
 0 0  2(1)  4(0)  1(0) 2(0)  4(1)  1(0) 2(0)  4(0)  1(1)
AI 5 7 6  0 1 0  5(1)  7(0)  6(0) 5(0)  7(1)  6(0) 5(0)  7(0)  6(1)
     
 8 9  0 0  8(1)  9(0)  3(0) 8(0)  9(1)  3(0) 8(0)  9(0)  3(1) 
(33)
3  1 
(33) (33)

2 4 1
 
AI 5 7 6 A
   (se cumple la propiedad) (v)
 8 9 3 
Enseguida se muestra el algoritmo para realizar la multiplicación de dos matrices A y B , recibiendo el
resultado en la matriz C.

ALGORI TMO 5.1: MULTI PLI CACI ÓN DE DOS MATRI

CES

Para multiplicar dos matrices: A (dimensiones: m x p) y B (dimensiones: q x n) y recibirla en C (m x n).

NOTA: Los valores de p y q deben ser iguales para poder realizar la multiplicación.

ENTRADA: A (i, j) { Elementos de la matriz A (i = 1, 2, ..., m-filas; j = 1, 2, ..., p-columnas) }

B (j, k) { Elementos de la matriz B (j = 1, 2, ..., q-filas; k = 1, 2, ..., n-columnas) }

I NI CI O
{ Multiplicar fila-i de A por columna-j de B y almacenarlo en elemento (i, j) de
C } para i  1:m {  recorrer por filas }
para j  1:n {  recorrer por columnas }
C (i, j)  0 { Hacer ceros los elementos de la matriz C
} para k  1:p dejar fija la columna "j" y recorrer todas las filas
"k"
C (i, j)  C (i, j) + A (i, k) * B (k, j) { producto escalar: fila i × columna j }
fin_para
fin_para
dejar fija la fila "i" y recorrer todas las columnas
"k" fin_para
FI N

SALI DA: C { Matriz resultante C (i = 1, 2, ..., m-filas; j = 1, 2, ..., n-columnas) }

La multiplicación matricial sigue las siguientes

PROPI EDADES:
1) (A B) A (B C)
C
2) A(B  C)  A AC
B CA
3) (B  C) A  B A (t B)
A
4) t(A B)  (t A)
B

NOTA: Para realizar las operaciones de suma, resta, multiplicación (elemento a elemento o matricial) de
dos matrices; así como el determinante, la transpuesta o la matriz inversa, a través de la Hoja
Electrónica Excel, véase el Laboratorio Número Tres de Excel, del Manual de Laboratorio,
donde se describen las funciones que realizan estas operaciones.

EJERCI CI OS SECCI ÓN 3.1.5:

1. Se tienen las siguientes
matrices,
 1 2   1 3
A  B  (3.26)
 3 4   2 4 
Compruebe que se cumplen las siguientes igualdades:

(a) )  T
B A
T

ABT T T
A  B 
(b) )  A
BT
2. A partir de las siguientes matrices,

 4 6 7   2 5 4
 
A 8 1 9 B 4 1 C1
D  2 3 (3.27)
     
0
 2 5   1 3 
 
3
  5

encuentre el resultado de las siguientes expresiones:

(a 2 2 2
) A , B , C (b A B B A AT B BT A ( B C , C B BT C CT B
) , , , c) , ,
(d T
AA , A A
T
( BB , B B
T T
( CC
T
C C
T
) e) f) ,
( g) 3A2 (h 2 A 3 I3 A2  ( 4 A A  3 I3
2
2
A I3 ) i)
 
(j T T T T T
(A B) , BT AT (k C A B , (A B) C ( l) C D , D C C D , D C
) ) ,
T T
( m) D A B , (A B) D (n T
B [C ; D] ( o) D A A D
T

) ,

( p) A C , C A
,
T
C A ( A B;C , B;CA ( BT;D A
q) r)

( s) C, DT , DT , DT (t B C ;D , C ;D B

T T
(u A 2.5  B,C
B  ) )
     
( v) C, C, DT   1
B  T
3 D ,D ,D
T T
() w () x 3.5 B ;C   A
T T

B
    3  
T
N OTA: El superíndice ( ) indica la matriz transpuesta; I 3 es la matriz identidad (de dimensión 3�3), el
operador "[ ; ]" une las matrices por filas (concatenación vertical) o "[ , ] "por columnas
(concatenación horizontal), para producir una matriz mayor; A2 = A A.

3. A partir de las siguientes matrices,

 3.2 SI STEMAS DE ECUACI ONES SI MULTÁNEAS LI NEALES

Una ecuación lineal es una relación de la forma

a1 x1 a2 x2    an xn  b (3.28)

donde los coeficientes ( a1 , a ,..., a ) son números reales, y ( x x , ..., x ) son las incógnitas o
2 n 1 2 n
,
valores a determinar. Una solución de la Ec. (3.28) es una n -ada de números reales ( 1 2 , ..., n ),
,
tal que
a1 1 a2 2    an n  b (3.29)

Es decir, los valores

x1 1 , x 2 , ..., x n satisfacen la ecuación (3.28) anterior al ser
substituidos en ella.  
2 n

Así por ejemplo, la ecuación

2 x1 3 x2 5 x3  2 x4  6 (3.30)

es una ecuación lineal cuyas incógnitas son

x1 x2 , x3 y x4 . Una solución de esta Ec. (3.29) es el
,
conjunto x = (1, 1, 1, 1); es decir, x1 = x2 = x3 = x4 = 1, que al ser substituidas en la Ec. (3.29),
cumple la igualdad. Esto es, 1, 1, 1,

2 (1)  3 (1)  5 (1)  2 (1)  2  3  5  2

(3.30a)
6

Un sistema de ecuaciones lineales de orden ( m x n ) (donde m y n son enteros positivos), es

una colección de m - ecuaciones lineales de la forma

a11
x1  a12 x2    a1n xn  b1
a21 x  a x2    a2n x  b
1 22 n 2 (3.31)
  

 
am1 x1  am2 x2    amn xn  bm

En nuestro caso analizaremos un sistema en el que m = n (el número de filas es igual al número de
columnas); esto es, un sistema de n -ecuaciones con n -incógnitas.

Y una solución de este sistema de ecuaciones lineales con n -incógnitas, es una n -ada (i.e., un
conjunto) de números reales ( x1 x2 , ..., xn ) que satisface cada una de las ecuaciones del sistema
,
anterior, Ec. (3.31), simultáneamente.

La ecuación general de una línea recta, respecto a un sistema de ejes cartesianos ( x, y ), se puede
escribir como
 ax  b y c (3.32)

tal como se muestra en la siguiente Figura 3.1.

Esto significa que todas las parejas ( x , y ) que representan a los puntos de la recta, deben satisfacer la
Ec. (3.32) anterior; y viceversa, toda pareja ( x , y ) que satisfaga la Ec. (3.32), representa un punto
sobre la recta. Puesto que una línea recta tiene una infinidad de puntos, entonces habrá una infinidad de
soluciones (pares de datos x , y ) para una ecuación de la forma (3.32) anterior.
100 ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI

FI GURA 3.1.
Gráfico de la ecuación de una línea recta.

ax+by=c

Considerando ahora un sistema de dos ecuaciones con dos

incógnitas
a1 x  b1 y  c1 (3.33)
a2 x  b2 y  c2
Una solución de este sistema es cualquier pareja ( x , y ) que lo satisfaga. Pero una pareja ( x , y ) que
satisface ambas ecuaciones representa un punto que se encuentra en ambas rectas; es decir, una
solución única. (Existe también el caso de que no exista solución al sistema.) Por ejemplo, el sistema de
dos ecuaciones con dos incógnitas:
2 x  3 y  12
(3.34)
x  2 y  1
cuyos gráficos se muestran en la siguiente Figura 3.2. La solución, es decir, donde se satisfacen ambas
ecuaciones, se da en el punto (3, 2), tal como se observa en el mismo Gráfico 3.2. Si substituímos estos
valores, resulta la igualdad:
2 (3)  3 (2)  12
(3.34a)
(3)  2 (2)  1

6  6  12
(3.34b)
3  4  1

12  12
 (3.34c)
 1  1
FI GURA 3.2.
Gráfico de dos ecuaciones lineales.

y 6
Punto de intersección (3, 2)
5(solución al sistema)
4

3
x - 2y = -1
2
2x + 3y = 12
1

-2-1 1234567
-1 x
Métodos Numéricos - G. Medina H.
 En forma análoga, para un sistema de tres ecuaciones con tres incógnitas, se tendrán tres planos, los
cuales pueden tener o no, solución. En la siguiente Figura 3.3 se muestran ambos casos.

FI GURA 3.3.
Representación gráfica de un sistema de 3 ecuaciones lineales

(a) ) Sistemas que no tienen solución ( no existe un punto en común de los 3 planos).

(b) ) Sistemas con solución única ( existe un punto en común de los 3 planos).

Pero, ¿cómo encontrar este punto en común (i.e. la solución del sistema)?

Lo ilustraremos a través de un ejemplo, donde se aplican propiedades a sistemas de ecuaciones, tales

como la multiplicación (división) de una función por una constante; o bien, la suma de dos funciones; o
bien, en intercambiar dos de ellas. Esta serie de propiedades convierten a los sistemas de ecuaciones en
sistemas equivalentes.

EJEMPLO 3.7.

Encuentre la solución al siguiente sistema de tres ecuaciones con tres

incógnitas:
2x1  4x2  6x3  18
(3.35)
8x1  5x2  6x3  40
3x1  x2 2x3  4
102 ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI

Respuesta:

Lo que se busca son tres números: x1 x2 y x3 , que satisfagan a las tres ecuaciones,
, simultáneamente, en el sistema (3.35) dado
con anterioridad.

Lo que se realizará es aplicar algunas

propiedades de los sistemas de
ecuaciones, tales como ( i)
multiplicar por un valor constante;
o bien, ( ii) sumar o restar dos
ecuaciones; o bien, ( iii) intercambiar
dos de ellas. Tales propiedades no
alteran el sistema original, sino que
resultan en sistemas equivalentes.
Veamos paso a paso este proceso.

PASO 1: Tomamos el coeficiente de la

1ª . ecuación (el primer
término) y dividimos por este
mismo valor todos los
coeficientes de esta misma
ecuación, para que resulte un
coeficiente igual a la unidad
en el primer término; esto es:
e
1 c (1 4 x2 6 x3
ª . / 5 x2  18
. 2) )
e *( x2
c. 6 x3
2  40
r
e 2 x1 2 x
ª 2
s 8
. 2 x3
u x1 5 x2
l e  4
t c. 3 x 2
a 3 x1
n ª 3 x3
d .  9 
1 o e x1
c. 6 x3
8  40
3
1
2 x3
ª
.  4
e
c.

2
ª
.
e
c.
3
ª
.
Métodos Numéricos - G. Medina H.
 ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI NEALES
(i) ( i x312 la 2ª . ecuación (fila).
i ) 5 3 213
PASO 2: Tomamos la 1ª . ecuación x
Es 3
y pre-multiplicamos por ‒ ta 
8 (que es el valor con 
ec
signo contrario del ua

primer coeficiente de la ci
2ª . ecuación), y esta ón E
ecuación la sumamos a qu s
la segunda: e t
re e
1ª . ec. (8)* (1 x1  (8 x1  16 x2 su
lta p
2 x2  3 x3  24 x3  72)
, r
 9) se o
2ª . ec. + ( 5 6 x3  su c
bs e
8 x 40)
tit s
x1 2 o
uy
  e
s
----------------------------
po
------------
r e
( 0 x1 1 18 x3  la
1 32) 3ª r
. e
ec p
x i
ua
2 t
ci
Esta ecuación que resulta, se substituye ón e
por la 2ª . ecuación en el sistema en ,
anterior (ii), resultando el
sis P
1ª . ec. 1 x1 2 3 x3 te a
m s
2ª . ec. 0 x1 x2  9 (iii a o
3ª . ec. 3 x1 11 18 x3  an s
x2 32 ter
ior 1
x2 2 x3 
(iii
4 ), y
Nuevamente tomamos la 1ª. qu
ed 2
ecuación y pre-multiplicamos
an ,
por ‒3
do
contrario del primer coeficiente de p
ª
la 3ª . ecuación), y esta ecuación e
la sumamos a la tercera, esto es:
1 1 02 3 r
ª . 0x
. o
1ª . ec. (3)* (1 x1  (3 x1  6 x2  e e 2 x
2 x2  3 x3 9 x3  27) 13 a
cc 
. .
1 h
 9) x o
3ª . ec. + (3 x1  1 x2  2 2 2 9 r
ª  a
x3  4)
. 5
------------------------- e x
 c
------------ c o
(. 1 n
3 8
G. Medina H. - Métodos Numéricos
PASO 1: Tomamos el coeficiente de la 2ª . ecuación (el segundo elemento pivote) y dividimos por
este valor al resto de los coeficientes de esta misma ecuación, para que resulte un
coeficiente igual a la unidad en el segundo término, esto es:
1ª . ec.
1 x1 2 x2 3 x3  9 
2ª . ec. (1 / 11) * (0 x1  11 x2 18 x3  32) (v)

3ª . ec. 0 x1 5 x2  11 x3  23
resultando
1ª . ec. 1 x1 2 x2 3 x3  9 
2ª . ec. 0 x1  1 x2  18 / 11 x3  32 / (vi)
11
3ª . ec. 0 x1  x2  11 x3  23
5

PASO 2: Enseguida tomamos la 2ª . ecuación, la pre-multiplicamos por 5 (que es el valor con signo
contrario del segundo coeficiente de la 3ª . ecuación), y esta ecuación la sumamos a la
tercera, esto es:
2ª .
ec. (5)* (0 x1  1 x2  18 / 11 x3  32 / 11)  (0 x1  5 x2  90 / 11 x3  160 / 11)
3ª . ec. + (0 x  5 x  121 / 11 x  253 / 11)
1 2 3
-----------------------------------------------
(0 x1 0 x2 31 / 11 x3  93 / 11)
Observe que la 3ª . ec. se expresa en fracciones para realizar las sumas de cada término. Esta
ecuación anterior que resulta, se substituye por la 3ª . ecuación en el sistema anterior (vi), resultando
1ª . ec.
1 x1 2 x2 3 x3  9 
2ª . ec. 0 x1  1 x2  18 / 11 x3  32 / (vii)
11
3ª . ec. 0 x1 0 x2 31 / 11 x3  93 / 11

Se repiten los pasos 1 y 2, pero ahora con la 3ª . ecuación.

PASO 1: Ahora aplicando a la 3ª . ecuación (tomamos el tercer elemento pivote):

1ª . ec.
1 x1  2 x2  3 x3  9
2ª . ec. 0 x1  1 x2  18 / 11 x3  32 / (viii)
11 31 / 11
3ª . (  11/31)*(0 x1 0 x2 x3  93 / 11)
ec.
quedando
1ª . ec. 1 x1 2 x2 3 x3  9 
2ª . ec. 0 x1  1 x2  18 / 11 x3  32 / (ix)
11
3ª . ec. 0 x1 0 x2 x3  3 
1
PASO 3: De este sistema (ix) anterior, podemos observar que la 3ª . ecuación nos proporciona
 el valor de la 3ª . incógnita, es decir:

3ª . ec. x33

Con este valor de

x3 ya conocido, tomamos la 2ª . ecuación y substituimos su valor para poder
determinar el valor de la 2ª . incógnita. Esto es,
2ª . ec.
0 x1  1 x2  (18 / 11) (3)  32 / 11
x 2  32 / 11  54 / 11  22 / 112
x2 2 (x)
 Finalmente, tomamos la 1ª . ecuación del sistema (ix) anterior y substituímos los valores de x2 y x3
ya conocidos para determinar el valor
x1 . Esto es,
de

1ª . ec.
1 x1 2 (2) 3 (3)  9
x1 9 9 4  4
x14 (xi)

x1  4
Así pues, obtenemos el vector solución: x2  2 (xii)
x3  3

T
Esta es la solución única del sistema de ecuaciones (3.35). Se escribe en la forma x = [ 4, ‒2, 3] .

Comprobación: Una vez substituidos estos valores solución en la Ec. (3.35),

2 (4)  4 (2) 6 (3)  18
8 (4)  5 (2) 6 (3)  40
3 (4) (2)  2 (3)  4

y realizando operaciones, resulta

8  8  18  18 18  18 18  18
32  10  18  50  10  40  40  40 
40  12  8  4 44
12  2  6  4

Comprobamos que este conjunto de valores sí satisfacen simultáneamente al conjunto anterior de

ecuaciones (3.35), por lo que es el conjunto solución.

El método empleado aquí recibe el nombre de eliminación de Gauss.

En la aplicación de este método podemos observar que en cada paso, todos los sistemas obtenidos eran
equivalentes: si toda solución del primer sistema es solución del segundo, y recíprocamente, toda
solución del segundo es del primero. Dicho de otra forma, cada sistema tenía el mismo conjunto de
soluciones que el sistema que le precedía.

Las operaciones aplicadas a los renglones que representa un sistema de ecuaciones, tal como se
desarrolló en el Ejemplo 3.5 anterior, reciben el nombre de:

Operaciones elementales de renglón

I. Multiplicar (dividir) un renglón por (entre) un número (i.e., un escalar) distinto de cero.
I I. Sumar el múltiplo de un renglón a otro renglón.
I I I. I ntercambiar dos renglones.
Ahora bien, el sistema de ecuaciones lineales (3.35) anterior,
2x1  4x2  6x3  18
8x1  5x2  6x3  40 (3.35)
3x1  x2 2x3  4
puede representarse en forma matricial, como:

 2 4 6   x1  18 
8 5 6 x2  40 (3.36)
     
3 1 2
 x  4

   3  
(de dimensiones): ( 3 x 3) ( 3 x 1) = ( 3 x 1)

Matriz de Vector Vector de términos

coeficientes incógnita independientes
O bien, en forma compacta:
A x b (3.37)

Matriz Vector Vector de términos

de coef's incógnita independientes

La comprobación de esta igualdad, Ec. (3.36), puede realizarse a través de la multiplicación matricial,
vista con anterioridad, Sección 3.1.5.

Ya que la información esencial sobre un sistema de ecuaciones lo constituyen los coeficientes aij y los
términos independientesbi , se acostumbra escribir la información en una sola matriz de dimensiones
n (n  1)  m , llamada m a t r iz a um en t a da ( A ) del sistema:
n

2 4 6 18
 
A  8 5 6 
 (3.38)
 40
 
3 
1 2 4
(de dimensiones): ( 3 x 4)

Al proceso de aplicar las operaciones elementales de renglón, con el propósito de simplificar una matriz
aumentada, se le llama reducción por rengl ones. Por otro lado, al aii , de la diagonal
coeficiente
principal (i.e., a
11 a22 , etc.) que se utiliza para reducir su valor a la unidad , se le conoce como el
,
elemento pivote; y a la fila donde se encuentra el elemento pivote, se le nombra la fila pivote.

Otro método para resolver sistemas de ecuaciones lineales, es una mejora al método de Eliminación de
Gauss (desarrollado en el Ejemplo 3.7 anterior), es el llamado método de Reducción de Gauss-
Jordan. A ambos métodos se les conoce como métodos directos, comparados con aquellos que son
iterativos; temas que abordaremos más delante (ver Sección 3.13)

La diferencia del método de reducción de Gauss-Jordan, comparado con el de Gauss, es que los
elementos se hacen ceros arriba y abajo del elemento pivote, de tal forma que al finalizar se genera una
matriz identidad en el lugar de la matriz de coeficientes original, y el vector solución se genera en la
columna donde inicialmente estaba colocado el vector columna de términos independientes de la matriz
aumentada inicial. En la próxima sección 3.6 se discuten ambas diferencias a través de un ejemplo.
3.3. I NTERPRETACI ÓN GEOMÉTRI CA
DE LAS ECUACI ONES LI NEALES

Se cuenta con el sistema de ecuaciones simultáneas lineales o algebraicas,

anteriores:
2x1  4x2  6x3  18
(3.35)
8x1  5x2  6x3  40
3x1  x2 2x3  4

Lo que se busca es la solución a este sistema; es decir, el conjunto de valores ( 1

, 2 , 3 ) que
satisfacen simultáneamente las igualdades de la Ec. (3.35) anterior. Ya que cada ecuación representa un
plano, entonces se estará buscando el punto en el espacio donde coincidan estos tres planos. Veamos la
solución en forma gráfica, tal como se muestra enseguida.

Primeramente graficaremos este sistema de ecuaciones (planos) con instrucciones de Matlab:

>> [x1,x2] =meshgrid(-4:0.50:6);x3 =(18-2*x1-4*x2)/6; surf(x1, x2, x3),hold on %1a.EC'N

>> [x1, x2] = meshgrid(-4:0.25:7); x3 = (40-8*x1-5*x2)/6; surf(x1, x2, x3) %2a.ECUACION
>> [x1, x2] = meshgrid(-4:0.35:5); x3 = (3*x1+x2-4)/2; surf(x1, x2, x3) %3a. ECUACION
>> plot3 (4, -2, 3, 'o', 'MarkerSize', 12) % COLOCAR PUNTO SOLUCION DE LOS 3 PLANOS
>> xlabel('X_1'), ylabel('X_2'), zlabel('X_3'), title('Sistema de Ecs lineales')
>>

Plano
Sistema de Ecs Plano
lineales
8 x + 5 x + 6 x = 40 3x +x -2x =4
1 2 1 2 3
3

Plano
2x + 4x + 6x =18
1 2 3

X3 5

0 4
-5 2
Solución de los
tres planos: (4, -2, 3) 0 X2
-2
-5
X1 0 5 -4
 T
El punto en el espacio tridimensional donde coinciden los tres planos, es en el punto x = [ 4, -2, 3] , que
es la solución buscada que satisface al sistema de ecuaciones (3.35) anterior.
 3.4 SOLUCI ÓN MATRI CI AL
El sistema de ecuaciones anteriores, Ec. (3.34), también puede representarse por medio de una matriz,
tal como se veía con anterioridad; resultando una forma mas práctica del manejo de esta información.
Veámoslo enseguida.

Se tiene el mismo sistema de 3 ecuaciones con 3 incógnitas, dado con

anterioridad:

2x1  4x2  6x3  18

(3.35)
8x1  5x2  6x3  40
3x1  x2 2x3  4

el cual puede escribirse en forma matricial:

2 4 6  x1  18
   
8 5 6 x2  40 (3.36)
     
 3 1 2   x 3  4 
 

o bien, en forma compacta:

A x b (3.37)

matriz vector vector de

de incógni términos
coef's ta independientes
de dimensiones: (3 x ( 3 x 1) ( 3 x 1)
3) =

Como x es el vector incógnita, entonces pre-multiplicamos por la matriz inversa

lados de la igualdad (esto es, aplicando álgebra matricial): A1 en ambos

1
AA x 1
 A b (3.39)

de donde se tiene que el término de la izquierda, es la igualdad:

1
AA I
(3.40)

donde I es la matriz identidad, y A1 es la matriz inversa de A . Por lo que resulta,

I x  A1 b (3.41)

o bien
1 vector
x  A b solución (3.42)

Que es el vector solución x ,

buscado.

Resolviendo el sistema de ecuaciones (3.34) anterior, resulta el vector solución: x = [ 4, ‒2, 3], ya
mostrado en el Ejemplo 3.5 anterior.
3.5 I MPLEMENTACI ÓN EN COMPUTADORA
3.5.1 I MPLEMENTACI ÓN EN EXCEL
I ntroducir la matriz de coeficientes (en las celdas [ A5:C7]) y el vector de términos independientes (en
celdas [ E5:E7]) del sistema de Ecs. (3.35). La solución se obtiene por medio de operaciones matriciales.

A B C D E
1 SISTEMA DE ECUACIONES
2 SIMULTÁNEAS LINEALES
3 VECTOR
4 ATRIZ DE COEFICIENTES, A INDEP.,
M b
5 2 4 6 18
6 8 5 6 40
7 3 1 ‒2 4
8
9
1 MATRIZ INVERSA, A-
0
x1
1 ‒ 0.22580645 ‒ VECTOR
1 0.25806452 2 0.09677419 =
SOL'N x
1 0.54838709 ‒ 0.58064516 x2
2 7 0.35483871 1 4
=
1 ‒ 0.16129032 ‒ ‒2
0.11290323 3 0.35483871 x3 = 3
3

Seleccionar un rango de (3 x 3) celdas: [

Seleccionar un rango de (3 x 1) celdas: [ E11:E13]
A11:C13]
Teclear (la multiplicación matricial):
Teclear (la obtención de la matriz inversa):
= MMULT( A11:C13, E5:E7)
= MI NVERSA( A5:C7)
y se introduce con
y se introduce con
Shift + Ctrl + Enter 
Shift + Ctrl + Enter 
mostrando en la barra de Fórmulas
mostrando en la barra de Fórmulas
{ = MMULT( A11:C13, E5:E7)}
{ = MI NVERSA( A5:C7)}

3.5.2 I MPLEMENTACI ÓN EN MATLAB

Se cuenta con el sistema de Ecuaciones algebraicas:

2x1  4x2  6x3  18

8x1  5x2  6x3  40 (3.35)
3x1  x2 2x3  4
>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2], b = [18; 40; 4] % Introducir sistema de ecs
A =
2 4 6
8 5 6
3 1 -2
b =
18
40
4
>> x = inv(A) * b % RESOLVER EL SISTEMA POR ALGEBRA MATRICIAL. Equivalente: x = A \ b
x =
4
-2
3
>> A * x % COMPROBACION: A * x = b
ans =
18
40
4
>>
3.6 SOLUCI ÓN POR MÉTODOS DI RECTOS:
ELI MI NACI ÓN DE
GAUSS, REDUCCI ÓN DE GAUSS-
JORDAN
Para comprender y visualizar las diferencias entre ambos métodos: el de Gauss (desarrollado en el
Ejemplo 3.5 anterior) y el de Gauss-Jordan, aplicaremos ambas metodologías al sistema de Ecs. (3.35),
partiendo de la matriz aumentada ( A ), Ecuación (3.38).

ELI MI NACI ÓN DE GAUSS REDUCCI ÓN DE GAUSS- JORDAN

Tomar 1er. elemento pivote
Fila pivote Tomar 1er. elemento pivote Fila pivote

Elemento 2 4 6 18  Elemento 2 4 6 18 
pivote   pivote  
5 6 40 
8 40  8 5 6
3 1 2 4  
  3 1  4
2
y aplicar PASO 1 (hacer la unidad el elemento pivote): y aplicar PASO 1 (hacer la unidad el elemento pivote):

(1 / 2)* 4 6 1 (1 / 2)* 4 6 1
2 8 2 8
   
 5 6 4   5 6 4 
resultando resultando

1 2 3 9 9
  1 2 3
 
8 5 6 40  5 6 40 
3  8 
 1  4  3 1  4
2 2
Aplicar PASO 2 (hacer ceros debajo del elemento pivote):
Aplicar PASO 2 (hacer ceros toda la columna pivote, excepto
el elemento pivote)

1 2 3 9
 1 2 3 9
8 5 6  
 40   5 6 40 
3 1 2  
 4 8 1  4
  2

3
resultando Columna Columna
pivote resultando pivote

1 2 3 9 9
  1 2 3 
 11  18  32 
0  11  18  32 
0  0
5   23 
  0 5   23 
11 11
Tomar 2º . elemento pivote y aplicar PASO 1:
Tomar 2º . elemento pivote y aplicar PASO 1:
 (  5
10 11)  2 3  11 9

 *  11  18  32
 23 
*
 2
5
3
 11 9
 0 
  32 
(  11  18
11)  23
resultando 2do. elemento 2do. elemento
pivote resultando pivote
Fila pivote  12 3 9 
Fila pivote

 0 0118 / 11
 5  23 
11 32 / 11
 

1 2 3 9 
 1 18 / 11 
0 5  11 32 / 11
 0   23 
 ELI MI NACI ÓN DE GAUSS ( cont.) REDUCCI ÓN DE GAUSS- JORDAN ( cont.)
Aplicar PASO 2:
Columna Columna
Aplicar PASO 2:
pivote pivote

1 2 3 9 
 1 2 3 9 

 1  1
0 18 / 11 32 / 11  0 5 18 / 11 32 / 11 
  0  5  11  23  0  11  23 
 
quedando
1 2 3 9 quedando
  1 0 35 / 11
1 3/
0 18 / 32 / 11   
11 11 32 / 11
 93 /   00 1
0  93 / 11
  31 / 18 /
0 0 11 11
11 
1131 /
Tomar 3er. elemento pivote y aplicar PASO 1:  
1 2 3 9 
  Tomar 3er. elemento pivote y aplicar PASO 1:
0 1 18 / 32 / 11  1 0 3/ 35 / 11 
 
(11 / 31) * 11  93 / 11 0 1 11 32 / 11 
0 0  31 / 18 /
11 11
resultando
3er. elemento pivote (11 / 31) * 0  31 / 11  93 / 11
0
1 2  
Fila  3 9  resultando
3er. elemento pivote
pivote
 1 18 / 32 / 1 0  3 / 11 35 / 11
0 11 11 Fila  
  1 18 / 32 /
3 )
pivote
0 ÓN HACI
PASO 3: ( SUBSTI TUCI 1 A ATRÁS 0 11 11
Observe que esta matriz nos está representando el  0 1 3
sistema:

 10 xx1  21 xx2  18 / 11
3x 9
x33  32 / 11
 Aplicar PASO 2:
1 0
Columna
35
11/
pivote
 1 2


  
0x 0x 1 x3  3   0 1 32 / 11 
 1 2  3 / 11
 18 / 11
 0 1 
La última fila nos proporciona el valor de la última incógnita 0 3
x3 3
resultando
Tomamos la penúltima fila y substituímos el valor x 3 anterior
ya conocido 1 00 4
x2 18 / 11 (3) 32 / 11    2
10 
0 01
x2 2 0 3
 
Tomamos la antepenúltima fila (i.e. la primera fila) y
substituímos los valores x 2 y x 3 anteriores Matriz Vector
identidad solución
x1 2 (2) 3 (3)  9
x1 4 Teniendo por tanto, el vector solución:

x1  4 x1  4
Teniendo por tanto, el vector solución: x2  2 x2  2
x3  3 x3  3
En el desarrollo de este ejemplo, observamos las diferencias existentes entre ambos métodos; la única
diferencia es en el PASO 2:en el método de Gauss, todos los elementos debajo del elemento pivote se
hacen igual a cero, a diferencia del método de Gauss-Jordan, en que todos los elementos de la columna
pivote se hacen cero, excepto el elemento pivote. Cuando se han finalizado todos los elementos de la
diagonal principal, entonces en el método de Gauss se realiza una substitución hacia atrás (PASO 3),
mientras que en el método de Gauss-Jordan, el vector solución se obtiene en la última columna. Sin
embargo, ambos métodos nos conducen al mismo resultado final.
Tal como se observó en el desarrollo anterior, en la aplicación del método de eliminación simple de
Gauss, la primera fase del método consiste en reducir el siguiente sistema original

a11
x1  a12 x2    a1n xn  b1
a21
x1  a22 x2    a2n xn  b2 (3.31)
  

 
am1 x1  am2 x2    amn xn  bm

a un sistema triangular superior [ siendo un sistema equivalente del original anterior, Ec. (3.31)] ,

a'11
x1  a'12 x2    a'1n xn  b'1
a'22 x2    a'2n xn  b'2
(3.43)
  
a'mn xn  b'n

donde los coeficientes con primas ('), significa que estos términos se han modificado de los originales,
una vez que se aplican las operaciones elementales de renglón.

Esta ecuación (3.43) resulta una vez que se aplican los PASOS 1, 2 (eliminación hacia adelante) y el
PAS0 3 (substitución hacia atrás), vistos con anterioridad.

PASO 1: El elemento pivote de cada fila ( a11 , a22 ,…), hacerlo la unidad; y

PASO 2: Hacer ceros los elementos que se encuentran debajo del elemento pivote, resultando el
sistema (3.43) anterior.

Una vez terminada la triangularización superior de todas las filas, entonces

PASO 3: Aplicar la substitución hacia atrás

La última fila de la Ec. (3.43), es aquella que representa a la última función, expresión que se utiliza para
obtener la última incógnita; esto es,
a'mn xn b'n (3.44)

de donde se obtiene el valor de la última variable, xn

xn b'n / a'm n
(3.45)

Una vez obtenido este valor, podemos entonces calcular la penúltima variable ( xn1 ) a partir de la (n-1)-
ésima ecuación. Este mismo procedimiento se repite en orden inverso para el resto de las variables ( x ’s),
resultando la siguiente fórmula recursiva
n
b'i   a'ij xj
ji1
xi  para i n  1, 2, ..., (3.46)
a'ii n 1
A diferencia del método simple de Gauss, en el método reducción de Gauss-Jordan sólo se aplican el
PASO 1 (hacer la unidad el elemento pivote) y el PASO 2, con el cambio en este paso de que todos los
elementos de la columna pivote se hacen cero, excepto el elemento pivote; es decir, ceros arriba y abajo
del elemento pivote.
Una vez que se han desarrollado paso a paso cada uno de los dos métodos, por medio de los dos
ejemplos anteriores, podemos entonces mostrar los algoritmos correspondientes a cada método.
ALGORI TMO 5.2: MÉTODO DE ELI MI NACI ÓN DE GAUSS

Para resolver un sistema de ecuaciones simultáneas lineales de la forma:

a11 x1  a12 x2    a1n xn  b1

a21 x1  a22 x2    a2n xn  b2
(3.31)
    
am1 x1  am2 x2    amn xn  bm

ENTRADA: A { Matriz A de los coeficientes, de dimensiones (n × n), a(i, j)

}b { Vector columna b de términos independientes, de n filas,
b(i) } n { Dimensión del sistema de ecuaciones }

I NI CI O
m  n+ 1 { Sumar 1 al número de columnas p/ formar matriz aumentada }

{ PASO 0: Formar la matriz aumentada de dimensiones (n, n+ 1) }

para fila  1:n

A (fila, m)  b
(fila) fin_para

{ Eliminación hacia

adelante } para fil  1:n‒1

{ PASO 1: Normalizar, hacer la unidad, el elemento pivote }

pivote  A (fil, fil) { Obtener elemento

pivote } para col  fil:m
A (fil, col)  A (fil, col) / pivote { Normalizar en la fila
pivote } fin_para
{ PASO 2: Hacer cero los elementos debajo del elemento

pivote } para fila  fil+ 1:n

pivi  A (fila, fil)
para col fil:m
A (fila, col)  A (fila, col) ‒ pivi * A (fil,
col) fin_para
fin_p
ara
fin_para

{ PASO 3: Substitución hacia atrás }

para fila  n‒1:‒1:1 { Iniciar con la última

fila } sum  0
para col  fila+ 1:n
sum  sum + A (fila, col) * A(col, m) { Sumar los coef's multiplicados por las
variables } fin_para
A (fila, m)  (A (fila, m) ‒ sum) / A (fila, fila)
fin_para

para fila  1:n { Copiar valores solución desde la última columna de

A } x (fila)  A (fila, m)
fin_para
FI N

SALI DA: x (i) { Vector solución (i = 1, 2, ..., n) }

 ALGORI TMO 5.3: MÉTODO DE REDUCCI ÓN DE GAUSS-
JORDAN
Para resolver un sistema de ecuaciones simultáneas lineales de la forma:

a11 x1  a12 x2    a1n xn  b1

a21 x1  a22 x2    a2n xn  b2
(3.31)
    
am1 x1  am2 x2    amn xn  bm

ENTRADA: A { Matriz A de los coeficientes, de dimensiones (n × n), a(i, j)

}b { Vector columna b de términos independientes, de n filas,
b(i) } n { Dimensión del sistema de ecuaciones (número de filas) }
m { (número de columnas) }
I NI CI O
epsilon  1e-5 { Definir valor de la tolerancia }
determ  1.0 { Colocar valor inicial para el determinante }
Ok  verdadero { Indicador lógico se ha terminado exitosamente el método }
{ PASO 0: Formar la matriz aumentada de dimensiones (n, m+
1) } para fila  1:n
A (fila, m+ 1)  b (fila)
fin_para
fil  0
mientras fil < n y Ok = verdadero,
hacer fil  fil + 1
{ PASO 1: Normalizar, hacer la unidad, el elemento pivote }
pivote  A (fil, fil) { Obtener elemento pivote }
determ  determ * pivote { Calcular valor del
determinante } Ok  (abs(pivote) > epsilon)
si Ok = verdadero, entonces hacer
para col fil:m+ 1
A (fil, col)  A (fil, col) / pivote { Normalizar en la fila
pivote } fin_para
{ PASO 2: Hacer cero todos los elementos en columna, excepto elemento pivote }
para fila  1:n
si fila ≠ fil, entonces hacer
pivi  A (fila, fil)
para col  fil:m+
1
A (fila, col)  A (fila, col) ‒ pivi * A (fil,
col) fin_para
fin
_si
fin_par
a
fin_si
fin_mientr
as
si Ok = verdadero, entonces hacer
para fila  1:n { Copiar valores solución desde la última columna de
A } x (fila)  A (fila, m+ 1)
fin_p
ara sino,
hacer
determ  0.0
escribir('El elemento ', fil, ' esta cercano a
 cero') fin_si
FI N
SALI DA: x (i) { Vector solución (i = 1, 2, ..., n) }
3.7 I MPLEMENTACI ÓN EN COMPUTADORA

3.7.1 I MPLEMENTACI ÓN EN MATLAB

Siguiendo el Algoritmo 3.2 anterior, podemos entonces codificar las instrucciones para generar el método
de Gauss simple.

gausssimp.m
function x = gausssimp (A, b)
%GAUSSSIMP Resuelve sistema de ecuaciones simultaneas lineales.
% X = GAUSSSIMP (A, b) aplica el METODO SIMPLE DE ELIMINACION DE GAUSS.
%
% ENTRADA: A - matriz (n x n) de coeficientes.
% b - vector columna de terminos independientes de longitud n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
%

%% G. MEDINA H., Ultima modif: [Feb 15, 04]

%
n = size (A, 1); % obtener número de filas en la matriz "A"
fila = length (b); % ontener la longitud del vector "b"

if (n ~= fila)
error ('La matriz A y el vector b no tienen el mismo número de filas')
end

m = n + 1;

% PASO 0: Formar
la matriz aumentada (n, n+1)
for fila = 1:n
A (fila, m) = b (fila);
end

% Eliminacion hacia adelante

for fil = 1:n-1
% PASO 1: Hacer los elementos (pivote) de la diagonal principal igual a 1.0
pivote = A (fil, fil);
for col = fil:m
A (fil, col) = A (fil, col) / pivote;
end

% PASO 2: Hacer cero todos los elementos debajo del elemento pivote.
for fila = fil+1:n
pivi = A (fila, fil);
for col = fil:m
A (fila, col) = A (fila, col) - pivi * A (fil, col);
end
end
end

% PASO 3: Substitucion hacia atras

for fila = n:-1:1
sum = 0;
for col = fila+1:n
sum = sum + A(fila, col) * A (col, m);
end
A (fila, m) = (A (fila, m) - sum) / A (fila, fila);
end
 % Retornar vector solucion for fila = 1:n
x (fila) = A (fila, m);
end

x = x'; % Obtener como vector columna

Enseguida se muestra la ejecución de esta función, sistema de Ecs. (3.35).

>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2]; b = [18, 40, 4]'; x = gausssimp(A, b)

x =
4
-2
3
>>

Sin embargo, esta codificación puede mejorarse haciendo uso de la programación en paralelo;
operaciones que pueden realizarse con los comandos de Matlab.

gauss.m
function [x, determ] = gauss (A, b)
%GAUSS Resuelve sistema de ecuaciones simultaneas lineales.
% X = GAUSS (A, b) aplica el METODO DE ELIMINACION DE GAUSS.
%
% A - matriz (n x n) de coeficientes.
ENTRADA: b - vector columna de terminos independientes de longitud
% n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
%
%% G. MEDINA H., Ultima modif: [Jul 04, 03]
%
m] = size(A);% obtener dimensiones de la matriz "A" lb = length(b);% obtener la longitud del vector "b"

n ~= lb
or ('La matriz A y el vector b no tienen el mismo numero de filas')

ASO 0: formar la matriz aumentada (n, n+1) A (:, m+1) = b;

erm = 1; for i = 1:n

erm = determ * A(i, i);
ASO 1: hacer los elementos (pivote) de la diagonal principal igual a 1.0 A(i, i:m+1) = A(i, i:m+1) / A(i, i);

ASO 2: hacer cero todos los elementos debajo del elemento pivote. for j = i+1:n
, i:m+1) = A(j, i:m+1) - A(j, i) * A(i, i:m+1);

ASO 3: Substitucion hacia atras for j = n-1:-1:1

, m+1) = A(j, m+1) - A(j, j+1:m) * A(j+1:n, m+1);

etornar vector solucion x = A(:, m+1);

>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2]; b = [18, 40, 4]'; x = gauss(A, b)'
x =
4 -2 3
>>
>> (A * x)' % Comprobacion
ans =
18 40 4
>>

En forma similar al método anterior, enseguida se muestra la codificación para el método de Gauss-
Jordan, de acuerdo al Algoritmo 3.3 anterior.

gaussjordan.m

function [x, A, determ] = gaussjordan (A, b)

%GAUSSJORDAN Resuelve sistema de ecuaciones simultaneas lineales.
% [x, A, determ] = GAUSSJORDAN (A, b) aplica el METODO DE REDUCCION DE GAUSS-JORDAN.
%
% ENTRADA: A - matriz (n x n) de coeficientes.
% b - vector columna de terminos independientes de longitud n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
% A - la misma matriz A, una vez terminados los calculos
% determ - valor del determinante de la matriz de coef's A (cuadrada: n * n)
%

% G. MEDINA H., Ultima modif: [Feb 16, 04]

%
[n, m] = size (A); % Obtener número de filas y de columnas de la matriz "A"
filas = length (b) ; % Obtener la longitud del vector "b"

if (n ~= filas)
error ('La matriz A y el vector b no tienen el mismo número de filas')
end

% PASO 0: Formar la matriz aumentada (n, m+1)

for fila = 1:n
A (fila, m+1) = b (fila);
end

Ok = true;
epsilon = 1e-5;
determ = 1.0;
fil = 0;
while fil < n & Ok
fil = fil + 1;
% PASO 1: Hacer los elementos (pivote) de la diagonal principal igual a 1.0
pivote = A (fil, fil);
determ = determ * pivote;
Ok = (abs(pivote) > epsilon);

if Ok
for col
= fil:m+1
A (fil, col) = A (fil, col) / pivote;
end

% PASO 2: Hacer cero todos los elementos de la columna, excepto elemento pivote
for fila = 1:n
if fila ~= fil
pivi = A (fila, fil);
for col = fil:m+1
A (fila, col) = A (fila, col) - pivi * A (fil, col);
end
end
end
end
end
 if Ok
% Retornar vector solucion for fila = 1:n
x (fila) = A (fila, m+1);
end
else
determ = 0.0;
error ('El elemento %g esta cercano a cero', fil)
end

x = x';

Junto con la ejecución del ejemplo anterior, sistema de Ecs. (3.35).

>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2]; b = [18, 40, 4]';

>> x = gaussjordan(A, b)'
x =
4 -2 3
>>
Sin embargo, esta codificación también puede mejorarse haciendo uso de la programación en paralelo,
tal como se realizó con el método anterior. Enseguida se muestra una codificación mejorada y más
eficiente.

gj.m
function [x, A, determ] = gj (A, b)
%GJ Resuelve sistema de ecuaciones simultaneas lineales.
% [X, A, determ] = GJ (A, b) aplica el METODO DE REDUCCION DE GAUSS-JORDAN.
%
% ENTRADA: A - matriz (n x n) de coeficientes.
% b - vector columna de terminos independientes de longitud n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
% A - la misma matriz A, una vez terminados los cálculos
% determ - valor del determinante de la matriz de coef's A (cuadrada: n * n)

%% G. MEDINA H., Ultima modif: [Oct 19, 17]

%
[n, m] = size (A);% obtener dimensiones de la matriz "A" lb = length (b) ;% obtener la longitud del vector "b"
if (n ~= lb)
error ('La matriz A y el vector b no tienen el mismo número de filas')
end
% PASO 0: formar la matriz aumentada (n, m+1) A(:, m+1) = b;
determ = 1; for i = 1:n
determ = determ * A(i, i);
% PASO 1: hacer los elementos (pivote) de la diagonal principal igual a 1.0 A(i, i:m+1) = A(i, i:m+1) / A(i, i);

% PASO 2: hacer cero todos los elementos en columna, excepto el elemento pivote. for j = 1:n
if j ~= i
A(j, i:m+1) = A(j, i:m+1) - A(j, i) * A(i, i:m+1);
end
end
end
% Retornar vector solucion x = A(:, m+1);
>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2], b = [18, 40, 4]' % Sist de Ecs
A =
2 4 6
8 5 6
3 1 -2
b=
18
40
4
>>
>> x = gj(A, b)
x =
4
-2
3
>>
>> A * x % Comprobacion
ans =
18
40
4
>>

EJERCI CI OS SECCI ÓN 3.6:

1. Obtener la solución del siguiente sistema de ecuaciones simultáneas lineales:

x1  x2 
x3  4x4  6 0.04 x 0.04 x  0.12 x  3
x1  6x2  x3  2x4  33 1 2 3
( a) 8x  x 3x  x  24
( b) 0.56 x1 1.56 x2 0.32 x3  1
1 2 3 4
0.24 x1 1.26 x 2  0.28 x 3  0
3x1  5x2  10x3  3x4  1
x1  2x  x3  4x4  17.5
2

( c) x1  x2  4 ( d) 3x1  x2  2x3 2x4 1

2x1  3x2  7 x1  4x2  x3  2x4  7.75
5x1  2x2  x3  2x4  1.75

2. Modifique la función gaussjordan.m anterior, de tal forma que pueda obtenerse la matriz
inversa de la matriz de coeficientes del sistema (Véase siguiente Sección 3.8, para mayores detalles).
 3.8 OBTENCI ÓN DE LA I NVERSA DE UNA MATRI Z
Para obtener la solución a un sistema de ecuaciones, se puede realizar también a través de la matriz
inversa (x = A‒1 b), visto ya con anterioridad [ Sección 3.4, Ec. (3.38)] ; por lo que la misma metodología
aplicada al sistema (3.31), puede utilizarse para obtener la matriz inversa. El método que se aplica es el
de Gauss-Jordan y se inicia con la matriz aumentada ( A ), junto con una matriz identidad ( I ,
mismas
dimensiones que la matriz de coeficientes), que se agrega a la derecha, y las operaciones de renglón se
aplican en la misma forma anterior, pero ahora a lo largo de toda la fila correspondiente. Veámoslo.

MÉTODO DE REDUCCI ÓN DE GAUSS- JORDAN

 4 6 1 10 0
2 
 8 
 3 51 6 2 4 0 1 0
4 0 0 1 
(3.47)


Matriz Vector Matriz de

coef’s términos identidad
indep’s

A b I
Tomar el 1er. elemento pivote
2 4 6 18 1 0 0
 
 (3.48)
8 5 6 40 0 1 0
3
 
1 2 4 0 0 1


y aplicar el PASO 1: (hacer (1/2)

la unidad
* el elemento pivote): 0
4 6 1 1 0
2
 8

 5 6 4 0 1 0 (3.49)
1a. Fila pivote
resultando
 2 3 9 1 0 0
1 / (3.50)
2 
 
5 6 4 0 1
Aplicar elPASO 2:(hacer ceros toda la columna pivote, excepto el elemento pivote):
 2 3 9 1/ 0 0
1
 2  (3.51)

 5 6 4 0 1 0
resultando 8 1  0 0 0
 4 1/2 0 0
2 3 9 
 11  18  32 4 1 0 (3.52)

5  11  23  3 / 2 0 1

Tomar el 2º . elemento pivote y aplicar PASO 1:

  2 3 9 1/ 0 0
(1/11) * 1 2

(3.53)

     1 0
resultando
2a. Fila pivote 1 2 3 9 1/2 0 0
 
 1 18 / 32 / 4/ 1/ 0 (3.54)
00  5

11
 11 11
 23  11
3/2 11 0 1 

Aplicar el PASO 2:
1
 2 0 0
3 9 1/ 
0 1
0 18 / 32 / 2  1 / 11 0 (3.55)
 5 
11 11 4/ 0 1
1 11
  11  23
0 3/
0 2

quedando  0  32ª/ . Columna35pivote
/ 5/ 2/ 0
1 11 11
11 22

 1 18 / 11 32 / 4/ 1/ 0 (3.5
Tomar el 3er. elemento pivote y aplicar PASO 1:
 0 3/ 35 / 5/ 2/ 0
1 11 11
11 22
(11/31) *  
 1 18 / 11 32 / 4/ 1/ 0 (3.5
resultando
 0 3/ 35 /  5 / 22 2 / 11 0 
3a. Fila pivote
1 11 11
(3.58)
1/ 0 
 0
1 18 / 32 / 4 / 11
0 1 3  7 / 62 5 / 31 11 / 31
 
Aplicar PASO 2:

1 0 35 /  5 / 22 2 / 11 0
 
 0 1 11 4 / 11  1 / 11 0 (3.59)
 0  3 / 11 32 /  7 / 62  11 /
0 18 / 11 11
5 / 31 
31
1 3
resultando 3ª . Columna pivote

 0 0 4 8/ 7 / 31  3 / 31
1 
31 
 1 0  17 / 31  11 / 18 / 31 (3.6
7/ 
620 0 1 3 5/  11 / 31
31

Matriz Vector Matriz
identid solución inversa
ad

1
I x A
 x1  4
Obteniendo por tanto, el vector solución final: x2  2 (3.61)
x3  3

8 / 31 7 / 31  3 / 31
Así como la matriz
inversa: 1  
A  17 / 31 11 / 31 18 / 31 (3.62)
 
 7 / 62 5 / 31 11 / 31 
COMPROBACI ÓN:

Sabemos que una de las propiedades de las matrices, es que la multiplicación de una matriz cuadrada
1
( A ), por su inversa ( A ), es igual a la matriz identidad ( I ). Es decir, se cumple la igualdad:

1
AA  I  A1 A (3.63)

por lo que, al momento de multiplicar las dos matrices, la matriz de coeficientes [ la parte izquierda de la
Ec. (3.47)] y la matriz inversa, Ec. (3.62), resulta

1
2
 4 6 8/31
 7/31  3/31
AA  8 5 6  17/31 11/31 18/31 
   
 3 1 -2   7/62 5/31 11/31
  8   17  7
2  4 6 7   3   18 
2  11  5 2  4 11 
4  6 6 
                  31
31 31 62 31 31 31 31 31
                
 
 
8   8   5  17  6 7   5  3   18   11 

1       8  7  5  11  6   8     5   6  
A    31   31   62   31    31   31   31   31  
 31  
A
 
 
  8   17   7   7   11   5   3   18   11  
 3     1   2   3   1    2  3    1   2    
 31 31  31 31 31 31 31 31
62                  

 

 16 6842 14 44 30  6 72 66  68  37 44 44 72  72 
 313162 31  31  31 313131  3131 31  31 3131 
  
  
648542 2−4 9066  85  85 86 55 9090 
1   56 55 30    
AA  313162 31  31  31 31    3131
3131 31 31 3131 
  
 
 24  17  14 21 11 10 9 18  22  24  24 21 21  9
40
  313162 31  31  31 31 3131  3131 31  31 3131 
 
  

 31 
 31 0 0 
1 
 1 0 0
A  A   0 31   
0  0 1 0 I (3.64)
 31   

31  0 0 1 
0 0  
 31 

Comprobando así, que se cumple la igualdad anterior, Ec. (3.63)

Las instrucciones implementadas dentro de los paquetes EXCEL [ por medio del comando para operaciones

Shift Ctrl Enter

en matrices: = MI NVERSA( rango) y se introduce este comando a través de la combinación de las
teclas + +  ] y de MATLAB [ por medio del comando: inv(matriz) ] , son
aquellas instrucciones mostradas en las Secciones 3.5.1 y 3.5.2.
>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2]; b = [18; 40; 4];
>>
>> [x, AA] = gj([A, eye(3)], b)
x =
4
-2
3
AA =
1 0 0 -0.25806 0.22581 -0.096774 4
0 1 0 0.54839 -0.35484 0.58065 -2
0 0 1 -0.1129 0.16129 -0.35484 3
>>
>> Ainv = AA(:, 4:6) % Substraer matriz inversa de la matriz de coef's final
Ainv =
-0.25806 0.22581 -0.096774
0.54839 -0.35484 0.58065
-0.1129 0.16129 -0.35484
>>
>> A * Ainv % Comprobación (es igual a la matriz identidad =
I) ans =
1 0 -4.4409e-016
-4.4409e-016 1 -8.8818e-016
-2.7756e-017 5.5511e-017 1
>>
>> Ainv * A % Comprobación (es igual a la matriz identidad =
I) ans =
1 -1.5266e-016 -1.3878e-016
-2.2204e-016 1 8.8818e-016
0 -2.2204e-016 1
>>

EJERCI CI OS SECCI ÓN 3.8:

1. Se tiene la siguiente expresión de
matrices:

AXC B 0 (3.65)

donde 0 representa la matriz cero o matriz nula, y todas las demás matrices son de tamaños
compatibles; además de que las matrices A y C son invertibles. Si se tienen las matrices
2 1
1 1  0  1
A , B 
 2 2 , C    1
7 4 
2


compruebe que la matriz X , puede despejarse hacia el lado derecho de la expresión anterior, Ec. (3.65),
de la forma:

AXC B 0 XCC

1
 A1B C 1

AXC 
1 1
B XA BC
1 1
A AXC  A B
1
XC  A B
 (3.66)

Compruebe su resultado.
1
2. Calcule la matriz inversa E , de la matriz E
, 1 0  1
 
E   3 4  2 (3.67)
 3 5 
Compruebe su resultado. 2

3. Determine A , si se tiene la matriz:

1 1 1 0
A  1 1 1 (3.68)
 
 0 0 1 
Compruebe el resultado obtenido.

4. Encuentre la inversa de cada matriz y verifique el resultado.

 1.0 0  1.0
1 5  
3 2 (c  0.2 0.4 0.6
( a)  2 3 ( b) 1 3 )  
     1.0 0  3.0
0 0 c 2 0  1  4 1 6 4 3
    2 2 1  
(d  0 b 0 (e 5 1 0 (f  (g 4 3 4
  
)  0 )  1 )  1 4 2 )  3 2 2
a 0  
0 3 3
0
 1 0 3 2 1 1 1 1 1
 2 3
( h) 1 0 0 (i) ) 3 4 (j) ) 1 2 (k) ) 2 1 4
4 3
       
 0  2  3 1  3 3 7 
0 0 1 
1  1

5. Se tiene la matriz
 1 1 2
 1 
A 3 1 (3.69)
  1 3 4 

demuestre que se cumple la igualdad:  A 1   A 2

2 1

6. Se tiene la matriz 1 0 0
 0 (3.70)

0 0.86603
  
0.5 0
R
0 0.5 0.86603 0
 
0 0 0 1

Obtenga la matriz inversa. Compruebe su resultado.

7. Obtenga la matriz inversa de las siguientes matrices, comprobando el resultado.

1 0 2 1 0 0 
() a    
0 1 0 () b 0 1 1 / 2
   
 0 0 1   0 0 1 
3.9 GAUSS- JORDAN CON PI VOTEO PARCI AL POR FI LAS

Existen sistemas de ecuaciones lineales que al momento de estar realizando la normalización (paso 1,
hacer la unidad) del elemento pivote, sucede que el valor del pivote es cero o muy cercano a cero, lo que
produciría un error de cálculo; por lo que se requiere modificar el algoritmo de solución.

Una de las alternativas para evitar que resulte un error en la aplicación de los métodos de solución de
ecuaciones lineales, cuando uno de los elementos pivote sea cero (o muy cercano a éste), es
intercambiar la fila pivote con otra fila que contenga el valor absoluto más grande de las filas debajo de la
fila pivote. Es decir, se realiza una búsqueda en la fila pivote para determinar cuál elemento es el mayor y
entonces se deberán intercambiar las dos filas: la fila que contiene el elemento mayor queda como la fila
pivote; y la que se encontraba como tal, se queda en el lugar de la fila que se intercambia.

Así por ejemplo, el siguiente sistema de ecuaciones,

3 x1  0 x2  2 x  18
3
2 x1  0 x2  6 x  26 (3.71)
3
8 x1  5 x2  12 x3  58
las representamos en forma de matriz ampliada y aplicamos el método de reducción de Gauss‒Jordan.

PASO 1: Tomamos el 1er. elemento pivote y lo hacemos la unidad

(1 / 3)* 3 0 2 18
 
2 0 6 26
 
 8 5 12 58 

resultando,
 0 2/ 6
1 3 
 0 6 2
2 6


 5 12 5
 8
8 

PASO 2: Hacemos ceros debajo (y arriba) del elemento pivote,

2 
1 0
 3 6
2 
 0 4 
0 3 14
 2 

 5 6 10 
0
 3 

PASO 1: Tomamos el 2do. elemento pivote y lo hacemos la unidad,

 2 6 
1 0 3

 2 
(1 / 0)*  0 0 4 14

 3
2
0 5 6 10 
  3 

Observamos que esta operación nos produce un error, dado que 0/0 =  = infinito, y la aplicación de
este método falla.
En casos de este tipo, entonces aplicamos el método de Reducción de Gauss-Jordan con pivoteo parcial.

Tomamos el primer elemento pivote (en este caso es igual a 3) y lo comparamos con los elementos que
se encuentran debajo de éste, hasta que se encuentre el elemento mayor (valor absoluto) de esta
columna (en este caso es igual a 8 de la tercera fila).

3 0 2 18 
2 
0 6 26
 
8
 5 12 58 
1ª . Columna
pivote

Por lo que se deberán intercambiar ambas filas (la primera con la tercera fila):

I ntercambiar  0 2 1
las filas 1 y 3 3 8

 2
Resultando: 2 0 6
6
8 5 12 58 
2 
0 6 26
 
3
 0 2 18 

Una vez realizado el intercambio de filas, entonces se procede a aplicar los mismos pasos del Método de
Reducción de Gauss-Jordan. Esto es, tomar el primer elemento pivote:
1ª . Fila pivote
er
1 . Elemento 8 5 12 58 
pivote 2 0 6 26 
 0 2 
3 18 
 
y aplicar el PASO 1: (esto es, hacer la unidad el elemento pivote):

(1 / 8)* 5 1 5
8 2 8


 0 6 2 
resultando
5/8 3/2 29 / 4 

0 6 26

0 2 18 

Enseguida aplicar el PASO 2: (hacer ceros toda la columna pivote, excepto el elemento pivote):

1 5/8 3/2 29 / 4 
2 
0 6 26
 
3
 0 2 18 
1ª . Columna
pivote

resultando
 5/8 3/2 29 / 4 
1 5/4 
0 3 23 / 2

 15 / 8 5 / 2 15 / 4 
0 

Enseguida se toma el segundo elemento pivote y se realiza nuevamente la búsqueda de si existe un
elemento mayor (debajo del pivote) en esta columna pivote. Encontrando que el valor mayor es el valor
absoluto de | ‒15/8| = 1.875 (vs. el elemento pivote actual: 5/4 = 1.25), que corresponde a la tercera
fila. Por lo tanto, se intercambian la segunda y la tercera filas. Resultando:

 5/8 3/2 29 / 4 
1 
 5/4 3 23 / 2
0 
15 / 4 
I ntercambiar
las filas 2 y 3  15 / 8 5 / 2
0
2ª . Columna
pivote

Por lo tanto, el segundo elemento pivote resulta siendo el valor ‒15/8

 1 5/8 3/2 29 / 4 
0  15 / 8 5 / 2  15 / 4
0 
5/4 3 23 / 2
 
2º . elemento
pivote

Enseguida se aplica nuevamente el PASO

1:
3/2 29 / 4 
 1 5/8 
(8 / 15) * 0  15 / 8  5 / 2 15 / 4
 
0  5/4 3 23 / 2
 

resultando
2ª . Fila pivote
 15/ 8 3/2 29 / 4 
0 1 4/3 2
 5/4 3 
0 23 / 2 
Seguido de aplicar el PASO 2:

1 5/8 3/2 29 / 4 

0 1 
4/3 2
 5/4 
 0
 3 23 / 2 
2ª . Columna
quedando pivote

 1 0 2/3 6 
0 1 4 /3 2
 0 0 14 / 3

14 
 
Tomamos el tercer elemento pivote y como es la última fila, entonces ya no se realiza la búsqueda de
algún elemento más grande en esta columna, por lo que se aplica directamente el,
PASO 1:
 1 0 2/3 6
 
0 1 4/3 2
(3 / 14) * 0 0 14 / 3 14 
 
3er. elemento pivote

resultando

 10 2/3 6
 01 4/3 2
3ª . Fila   00 1 
pivote 3
 
Aplicar PASO 2:
3ª . Columna
pivote

  1 0 2/3 6
 0 1 4/3 
1  2
1
0 0 3 

resultando
1 0
 0 4

0 1
0  2

0 0
3 
1

Matriz Vector
identidad solución

Y obteniendo así, el vector solución:

x1  4
x2  2
x3  3

Una vez entendida la modificación realizada para obtener el elemento mayor por pivoteo parcial en el
método de Reducción de Gauss-Jordan, podemos entonces desarrollar el algoritmo.

ALGORI TMO 5.4: MÉTODO DE REDUCCI ÓN DE GAUSS-

JORDAN
CON PI VOTEO PARCI AL POR FI LAS

Para resolver un sistema de ecuaciones simultáneas lineales de la forma:

a11 x1  a12 x2    a1n xn  b1

a21 x1  a22 x2    a2n xn  b2
(3.31)
    
am1 x1  am2 x2    amn xn  bm

Aplicando el método de reducción de Gauss-Jordan con pivoteo parcial por filas.

ENTRADA: A { Matriz A de los coeficientes, de dimensiones (n × n), a(i, j)

}b { Vector columna b de términos independientes, de n filas,
b(i) } n { Dimensión del sistema de ecuaciones (número de filas) }
m { (número de columnas) }
I NI CI O
epsilon  1e-5 { Definir valor de la tolerancia }
determ  1.0 { Colocar valor inicial para el determinante }
Ok  verdadero { Indicador lógico se ha terminado exitosamente el método }

{ PASO 0: Armar la matriz aumentada de dimensiones (n, m+ 1) }

para fila  1:n

A (fila, m+ 1)  b (fila)
fin_para

para fil  1:n

{ Buscar el elemento mayor de la fila pivote; y si existe, entonces intercambiar ambas filas }
ipmax  fil { índice del pivote máximo }
para k  fil + 1:n { Buscar el mayor en elementos debajo del elemento pivote }
si abs(A(k, fil)) > abs(A(ipmax, fil)), entonces hacer
ipmax  k
fin_si
fin_para
si ipmax ≠ fil, entonces hacer { si los subíndices son diferentes, then intercambiar filas }
para col  1:m
temp  A(fil, col), A(fil, col)  A(ipmax, col), A(ipmax, col)  temp
fin_para
determ  ‒ determ { con cada intercambio, cambiar también signo del determinante }
fin_si

{ PASO 1: Normalizar, hacer la unidad, el elemento pivote }

pivote  A (fil, fil) { Obtener elemento pivote }
determ  determ * pivote { Calcular valor del determinante }

Ok  (abs(pivote) > epsilon)

si Ok = verdadero, entonces hacer

para col fil:m+ 1
A (fil, col)  A (fil, col) / pivote { Normalizar en la fila pivote }
fin_para

{ PASO 2: Hacer cero todos los elementos en columna, excepto elemento pivote }
para fila  1:n
si fila≠fil, entonces hacer
pivi  A (fila, fil)
para col  fil:m+ 1
A (fila, col)  A (fila, col) ‒ pivi * A (fil, col)
fin_para
fin_si
fin_para
fin_si
fin_para
si Ok = verdadero, entonces hacer
para fila  1:n { Copiar valores solución desde la última columna de A }
x (fila)  A (fila, m+ 1)
fin_para
sino, hacer
determ  0.0
escribir('El elemento ', fil, ' esta cercano a cero')
fin_si

FI N
SALI DA: x (i) { Vector solución (i = 1, 2, ..., n) }
 3.9.1 I MPLEMENTACI ÓN EN MATLAB

En base al algoritmo 3.4 anterior, podemos entonces realizar la implementación o codificación en Matlab.

gjpivot .m

function [x, A, determ] = gjpivot (A, b)

%GJPIVOT Resuelve sistema de ecuaciones simultaneas lineales.
% [x, A, determ] = GJPIVOT (A, b) aplica el METODO DE REDUCCION DE GAUSS-JORDAN
% con PIVOTEO PARCIAL POR FILAS.
%
% ENTRADA: A - matriz de coeficientes, de dimensiones (n * m)
% b - vector columna de terminos independientes, de longitud n
%
% SALIDA: x - vector solucion (sol'n del sistema)
% A - la misma matriz A, una vez terminados los calculos
% determ - valor del determinante de la matriz de coef's A (cuadrada: n * n)
%

% G. MEDINA H., Ultima modif: [May 07, 06]

%
[m, n] = size (A); % Obtener numero de filas y columnas de la matriz "A"
if (m ~= length (b))% Comparar con la longitud del vector "b"
error ('La matriz A y el vector b no tienen el mismo numero de filas')
end

% PASO 0: formar la matriz aumentada (m, n+1) A (:, n+1) = b;

determ = 1.0; for i = 1:m

[pmax, ipmax] = max(abs(A(i:end, i)));
% Inspeccionar filas debajo de la actual
x > 1% Si existe un elemento mayor que actual, entonces intercambiar ipmax = ipmax + i - 1;% Ajustar numero de fil
pmax], :) = A ([ipmax, i], :);% Intercambiar fila pivote
-determ;% Cambiar de signo cada vez que se intercambian filas

determ = determ * A (i, i); % Calcular valor del determinante

ASO 1: hacer los elementos (pivote) de la diagonal principal igual a 1.0 A (i, i:n+1) = A (i, i:n+1) / A (i, i);

ASO 2: hacer cero todos los elementos en columna, excepto el elemento pivote. for j = 1:m
j ~= i
j, i:n+1) = A (j, i:n+1) - A (j, i) * A (i, i:n+1);

etornar vector solucion x = A (:, n+1);

>> A [3, 2; 2, 0, 6; 8, 12] b = [18; 26; % Ec. (3.71)
= 0, 5, , 58]
A =
3 0 2
2 0 6
b =8 5 12
18
26
58
>>
>> x = gjpivot(A, b) % Resolver sistema de Ecs con pivoteo parcial
x =
4
-2
3
>>
>> A * x % Comprobacion
ans =
18
26
58
>>

La codificación del anterior Algoritmo 3.4 en Matlab, está diseñada para calcular el vector solución, así
como también puede retornar la matriz final resultante, además de calcular también el valor del
determinante de la matriz A inicial. Enseguida se muestra el mismo sistema de Ecuaciones (3.71)
anteriores, mostrando los resultados de la matriz A final, así como el valor del determinante.

>> [x, AA, determ] = gjpivot(A, b)

x =
4
-2
3
AA =
1 0 0 4
0 1 0 -2
0 0 1 3
determ
= -70

>>

Ahora bien, si se desea obtener la matriz inversa, entonces deberá introducirse la matriz A inicial, junto
con una matriz identidad I (de dimensión equivalente). Esto es tal como se muestra enseguida.

>> [x, AA, determ] = gjpivot([A, eye(3)], b)

x =
4
-2 vector solución matriz inversa vector solución
3
AA =
1 0 0 0.42857 - 0 4
0.14286
0 1 0 -0.34286 - 0.2 -2
0.28571
0 0 1 -0.14286 0.21429 0 3
dete =
rm
-70
>>
Enseguida comparamos el valor del determinante obtenido con la función-M anterior, comparado con el
valor que se obtiene por medio de la función interconstruida "det",

>> det(A) % Comparar con resultado obtenido c/función intercontruida

ans =
-70
>>

Finalmente, extraemos la matriz inversa de la matriz AA anterior y realizamos su comprobación, a través

de la igualdad AA‒1 = I = A‒1A , Ec. (3.63):

>> Ainv = AA(:, 4:6) % Extraer matriz inversa

Ainv =
0.42857 -0.14286 0
-0.34286 -0.28571 0
.
2
- 0.2142 0
0.1428 9
6 % Comprobar A*Ainv = I =
>> Ainv * A igualdad: Ainv*A
>> A *
Ainv,
ans =
1 0 0
0 1 0
0 4.4409e- 1
016
ans =
1 0 0
2.2204e-016 1 4.4409e-016
0 0 1
>>
EJERCI CI OS SECCI ÓN 3.9:
1. Aplique el método de Gauss-Jordan con pivoteo parcial por filas al mismo sistema de Ecuaciones
(3.35) anterior y compare el resultado con el obtenido aplicando el método de Gauss-Jordan normal.

2x1  4x2  6x3  18

8x1  5x2  6x3  40 (3.35)
3x1  x2  2x3  4

2. Aplique el método de Gauss-Jordan normal y con pivoteo parcial por filas a los siguientes sistemas de
Ecuaciones algebraicas. Compare resultados.

1 2 3 4 1.234
    7 63 0  x1  13.3 
2 2 3 4 2.234      
(a A  x 
) b  (b
) 2 18 10
   3.9
2

; 
3 3 3 4 3.334 3 30 0 x   6.0
       3  
 4 4 4 4   4.444 

3. Aplique el método de Gauss-Jordan normal y con pivoteo parcial por filas a los siguientes sistemas de
Ecuaciones algebraicas. Compare resultados.

4x 2 x4 8
x1  3x3  x4  0 4x2  3x4  10
x1  2x2  x3  3x4  3x1  x3  2x4  1 3x2  4x4  18
(a (b (c
) 17.5 4x 2  4x 3 x4 18 ) x1  x2  3x4  4 ) x1  2x3  13
3x2  x3  2x4  14.5 x2  x3  x4  3 2x1  x3  14

x2  x3  x4  3
x1  x2  3x4  4
(d
) x1  3x3  x4  0
3x1  x3  2x4  1